Influence of Leaf Wetness Duration and Temperature on Infection of Grape Leaves by <i>Elsinoë ampelina</i> under Controlled and Vineyard Conditions
Notice bibliographique
Résumé
On susceptible varieties, indirect damage to vines infected by Elsinoë ampelina range from reduced vigor to complete defoliation while, on berries, damage ranges from reduced quality to complete yield loss. Limited knowledge about the relationship between weather conditions and infection makes anthracnose management difficult and favors routine application of fungicides. The influence of leaf wetness duration and temperature on infection of grape leaves by E. ampelina was studied under both controlled and vineyard conditions. For the controlled conditions experiments, the five youngest leaves of potted vines (Vidal) were inoculated with a conidia suspension and exposed to combinations of six leaf wetness durations (from 0 to 24 h) and six constant temperatures (from 5 to 30°C). A week after each preset infection period, the percent leaf area diseased (PLAD) was assessed. At 5°C, regardless of the leaf wetness duration, no disease developed. At 10 and at 15 to 30°C, the minimum leaf wetness durations were 4 and 6 h, respectively. Above the minimum wetness duration, at temperatures from 10 to 30°C, PLAD increased linearly, with increasing leaf wetness up to 12 h, and then at a lower rate from 12 to 24 h. The optimal temperature for infection was 25°C. Relative infection was modeled as a function of both temperature and wetness duration using a Richards model (R2 = 0.93). The predictive capacity of the model was evaluated with data collected in experimental vineyard plots exposed to natural wetness durations or artificial wetness durations created using sprinklers. In total, 264 vineyard infection events were used to validate the controlled experiments model. There was a linear relationship between the risk of infection estimated with the model and the observed severity of anthracnose (R2 = 90); however, the model underestimated disease severity. A risk chart was constructed using the model corrected for vineyard observations and three levels of risk, with light, moderate, and severe risks corresponding to ≤5, >5% to ≤25, and >25% leaf area diseased, respectively. Overall, 93.9% of 132 independent observations were correctly classified, with 100, 29.4, and 9.4% of the light, moderate, and severe risks, respectively.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».